Restore Refactoring Context Across AI Sessions Skill 技能

技能简介

Restore Refactoring Context Across AI Sessions 是一款专为长周期重构任务设计的 AI Agent 技能，由 sickn33 维护并发布在 Skillstore 平台，质量评分 78/100（bronze 等级）。它解决了一个开发者常忽视但却严重影响效率的痛点：当一次重构跨越多个会话、或在多个 Agent 之间交接时，关键的架构决策、最近的改动记录、已知问题等上下文容易丢失，导致后续 Agent 不得不重新摸索一遍，浪费时间和 token。该技能通过语义检索 + 相关性排序 + 重水化（rehydration）+ 一致性校验四个环节，让 AI 在接手长重构时能够快速恢复"项目记忆"。

核心能力

• 结构化上下文输入：明确接收 5 类输入——上下文来源、项目标识符、恢复模式（轻量/完整）、token 预算、相关性阈值，让恢复过程可控可复盘。
• 语义检索与排序：使用向量相似度搜索定位历史决策，结合相关性过滤器和自定义排序策略，确保返回的上下文片段确实是当前任务最需要的。
• 分层重水化模式：按"项目概览 → 关键决策 → 技术栈选型 → 最近改动 → 已知问题"五层优先级重新组装上下文，避免一次性灌入大量噪音信息。
• 跨项目知识迁移：支持把一个项目中的架构经验映射到另一个项目，同时校验适配性、来源可追溯性和潜在冲突，适合多产品线的团队复用经验。
• 冲突解决与完整性校验：自动识别两段上下文之间的语义冲突、提供合并策略，并对恢复结果做完整性检查，确保 token 预算内信息不缺失。
• RAG 管道集成：可对接团队现有的 RAG 基础设施，把恢复的上下文作为检索增强生成（RAG）的输入源，与企业内部知识库打通。

安装配置

# 方式一：通过 Skillstore CLI 安装
npx skillstore add sickn33/code-refactoring-context-restore

# 方式二：手动克隆 GitHub 仓库
git clone https://github.com/sickn33/antigravity-awesome-skills.git
cd antigravity-awesome-skills/skills/code-refactoring-context-restore

# 方式三：在 Claude Code 中通过 marketplace 添加
claude plugin add sickn33/code-refactoring-context-restore

安装前需确保本地已配置向量数据库（推荐 Qdrant / Chroma）和嵌入模型（如 OpenAI text-embedding-3 或开源 BGE），并准备好历史项目文档的存储位置。

使用步骤

1. 准备上下文源：把历史项目文档、架构决策记录（ADR）、commit log、issue 列表整理到统一的存储后端（如 Git 仓库 + 向量数据库）。
2. 设置参数：在 prompt 中明确指定 context_source（存储位置 URI）、project_id（项目命名空间）、mode（snapshot/incremental/full）、token_budget（如 4000 token）、relevance_threshold（如 0.7）。
3. 触发恢复：调用技能，Agent 会先做语义检索 → 相关性排序 → 重新组装上下文，输出一份"项目恢复摘要"。
4. 校验一致性：检查恢复摘要中的决策与当前代码库是否一致；如有冲突，按 merge_strategy 提供的方案裁决。
5. 继续重构：把恢复摘要作为后续工作的上下文基础；如果上下文不足，再触发增量加载。
6. 更新存储：重构过程中产生的新决策同步写入上下文源，确保下次恢复能拿到最新信息。

适用场景

• 跨会话恢复：一次大型重构中断后，重新启动会话时需要快速回忆上次停在哪、决定是什么。
• Agent 间交接：把任务从 Claude Code 交接给 Codex，或反之时，需要快速对齐项目状态。
• 新成员入职：让新加入的 AI Agent 快速理解项目历史，缩短 onboarding 时间。
• 跨项目复用：在多个相似项目（如同一公司的多个微服务）之间复用架构经验。
• 季度重构规划：在做季度技术债务清理时，恢复历史重构的决策脉络，避免重复造轮子。

适用人群

• 负责大型代码库长期重构的资深工程师
• 维护多 Agent 协作流程的 AI 工程团队 Lead
• 企业内部技术中台/平台团队的架构师
• 需要在多个项目间迁移经验的咨询顾问/独立开发者
• 任何被"上下文丢失"反复折磨过的 AI Agent 用户

工作原理

该技能本质上是一套带语义检索的 RAG 模式：先用嵌入模型把历史文档切块并向量化存入向量库；触发恢复时，根据用户指定的 project_id 和 mode 在向量空间中做最近邻搜索；用 relevance_threshold 过滤低相关片段；按预设的"五层优先级模板"重新组装；最后做冲突检测和完整性校验。整个流程在用户指定的 token_budget 内完成，确保不会超出模型上下文窗口。技能本身不依赖外部 API，核心逻辑都在 SKILL.md 的引导 prompt 中，由 Agent 解释执行。

官方链接

• 技能页面：https://skillstore.io/skills/sickn33-code-refactoring-context-restore
• Markdown 源：https://skillstore.io/skills/sickn33-code-refactoring-context-restore.md
• Manifest：https://skillstore.io/api/skills/sickn33-code-refactoring-context-restore/manifest
• 作者主页：https://github.com/sickn33
• 仓库位置：https://github.com/sickn33/antigravity-awesome-skills/tree/main/skills/code-refactoring-context-restore